WhatsApp ऑडियो प्राप्त करना

कॉन्टैक्ट द्वारा भेजा गया ऑडियो एक इनबाउंड मैसेज के रूप में आता है जिसमें audio होता है। यह arm चैट में रिकॉर्ड किए गए वॉइस नोट और अटैच की गई ऑडियो फ़ाइल दोनों को कवर करता है, और voice इन दोनों में अंतर बताता है।

इनबाउंड ऑडियो में क्या होता है

कोड उदाहरण

{
  "id": "wam_01kyb3q8ndvt6r2h5k9wxc4pfa",
  "direction": "inbound",
  "from": { "phone_number": "+14155550100" },
  "to": { "phone_number": "+13124495569" },
  "status": "received",
  "audio": {
    "id": "waf_01kyb2m4xq7whs0d8n3prv6tez",
    "url": "https://platform.bird.com/v1/whatsapp/messages/wam_01kyb3q8ndvt6r2h5k9wxc4pfa/media/waf_01kyb2m4xq7whs0d8n3prv6tez",
    "mime_type": "audio/ogg; codecs=opus",
    "voice": true
  },
  "created_at": "2026-08-25T09:07:32Z"
}

फ़ील्ड	यह क्या रखता है
id	स्टोर की गई फ़ाइल, बाइट्स फ़ेच करते समय media_id के रूप में पास करें
url	एक Bird URL, जिसे आपकी API key से फ़ेच किया जाता है
mime_type	WhatsApp द्वारा रिपोर्ट किया गया मीडिया टाइप, जैसे वॉइस नोट के लिए audio/ogg; codecs=opus
voice	चैट में रिकॉर्ड किए गए वॉइस नोट के लिए true, अटैच की गई ऑडियो फ़ाइल के बजाय

caption इस arm पर किसी भी दिशा में मौजूद नहीं है, इसलिए ऑडियो मैसेज कभी साथ में टेक्स्ट नहीं रखता। जो कॉन्टैक्ट शब्द जोड़ना चाहता है वह अलग से टेक्स्ट मैसेज भेजता है।

वॉइस नोट WhatsApp क्लाइंट में ऑटो-डाउनलोड होता है और वहाँ प्राप्तकर्ता के लिए ट्रांसक्राइब किया जा सकता है। Bird ऑडियो को पास-थ्रू करता है और ट्रांसक्राइब नहीं करता, इसलिए आपका कॉन्टैक्ट अपने ऐप में जो ट्रांसक्रिप्ट देखता है वह उस मैसेज का हिस्सा नहीं है जो आप पढ़ते हैं।

बाइट्स फ़ेच करना

मैसेज ID और मीडिया id को चैनल की मीडिया मेथड में पास करें। हब की इनबाउंड मीडिया फ़ेच करना गाइड में यह कॉल हर भाषा में दी गई है, साथ ही रीडायरेक्ट और हेडर नियम भी जिनका यह पालन करती है।

mime_type कंटेनर और कोडेक का नाम बताता है, और वॉइस नोट Ogg कंटेनर में Opus होता है, न कि MP3 या AAC जो किसी अटैचमेंट में होने की संभावना है। टाइप को url में फ़ाइल एक्सटेंशन से नहीं बल्कि फ़ील्ड से पढ़ें, क्योंकि उसमें एक्सटेंशन नहीं होता, और बाइट्स को ऐसी ट्रांसक्रिप्शन सर्विस को देने से पहले इसे जाँचें जो केवल कुछ फ़ॉर्मेट स्वीकार करती है। मैसेज और उसका मीडिया एक साथ एक्सपायर होते हैं, मैसेज आने के 30 दिन बाद; हब की इनबाउंड मीडिया फ़ेच करना गाइड इस विंडो और एक्सपायर होने के बाद रीड्स क्या लौटाती हैं, इसकी जानकारी रखती है।

Webhook पेलोड

whatsapp.received इवेंट एनवेलप पर audio arm रखता है, voice फ़्लैग सहित:

कोड उदाहरण

{
  "type": "whatsapp.received",
  "timestamp": "2026-08-25T09:07:32.451Z",
  "data": {
    "whatsapp_id": "wam_01kyb3q8ndvt6r2h5k9wxc4pfa",
    "workspace_id": "ws_01ky7m235keycbnwyajabe1a6b",
    "direction": "inbound",
    "from": { "phone_number": "+14155550100" },
    "to": { "phone_number": "+13124495569" },
    "audio": {
      "id": "waf_01kyb2m4xq7whs0d8n3prv6tez",
      "url": "https://platform.bird.com/v1/whatsapp/messages/wam_01kyb3q8ndvt6r2h5k9wxc4pfa/media/waf_01kyb2m4xq7whs0d8n3prv6tez",
      "mime_type": "audio/ogg; codecs=opus",
      "voice": true
    },
    "tags": null,
    "metadata": null
  }
}

वॉइस नोट का जवाब देने वाला एक ऑटोमेटेड फ़्लो यहाँ voice पढ़ता है, कुछ भी फ़ेच करने से पहले: एक सपोर्ट क्यू जो रिकॉर्डिंग ट्रांसक्राइब करती है लेकिन अटैच की गई म्यूज़िक फ़ाइलें फ़ॉरवर्ड करती है, केवल इस फ़्लैग पर ब्रांच कर सकती है।

ध्यान रखने योग्य बातें

voice को वॉइस नोट चिह्नित करने वाले फ़्लैग के रूप में पढ़ें। बाकी सब कुछ, अनुपस्थित फ़ील्ड सहित, एक सामान्य ऑडियो अटैचमेंट है।
कोई अवधि रिपोर्ट नहीं होती। इस arm में लंबाई नहीं होती, इसलिए अगर किसी क्यू को इसकी ज़रूरत है तो फ़ेच करने के बाद फ़ाइल से पढ़ें।

अगले कदम

रिसीविंग कैसे काम करती है: इनबाउंड एनवेलप, मीडिया फ़ेचिंग, और whatsapp.received webhook
WhatsApp ऑडियो मैसेज: इसी arm का सेंड साइड
वीडियो प्राप्त करना: क्लिप्स, एक कैप्शन के साथ जिसके लिए ऑडियो arm में जगह नहीं है
WhatsApp इवेंट्स: पूरी इवेंट सूची, API या webhooks पर